La majoria de les organitzacions ja tenen IA en producció. Gairebé cap no la té allà on importa: en experiències de cara al client, decisions essencials per al negoci o processos amb una supervisió humana mínima. És en aquesta diferència on es guanya o es perd l'avantatge competitiu.
L'obstacle sol ser la confiança, no la capacitat. En el desplegament d'IA d'alt risc, aquesta confiança s'obté quan es compleixen quatre criteris concrets.
Aquests criteris abasten com es prova el comportament de la IA, com es creen i governen solucions a escala empresarial i si la direcció creu de debò en la importància de tot plegat.
Complir aquests criteris de confiança crea experiència i responsabilitat, i redueix els motius per evitar desplegar IA que generi canvis significatius. Sense això, la IA queda limitada a estalviar unes quantes lliures en usos perifèrics, sense cap impacte material en el funcionament de l'organització.
Ara fa un any —dècades en anys d'IA—, la majoria de les empreses eren al "purgatori de les proves de concepte d'IA": tenien moltes proves interessants que mostraven què podia fer la IA, però els costava posar-ne cap en producció. Un any després, moltes organitzacions ja tenen almenys algunes solucions d'IA en producció, un gran pas endavant.
Tanmateix, sovint és IA aplicada a processos perifèrics: és més fàcil, un equip d'Innovació la pot desenvolupar amb un usuari de negoci motivat i, si falla, "no és la fi del món". El procés no és realment important, hi ha un procés manual alternatiu o diverses persones supervisen el sistema per limitar-ne les conseqüències negatives.
El resultat d'aquest enfocament comprensible però conservador és que l'impacte de les solucions també és modest: difícilment hauran generat cap millora notable en les oportunitats de creixement, l'experiència del client o l'estructura de costos.
Això és el que separa els futurs guanyadors de la resta: les empreses més avançades inverteixen a aprofitar la IA allà on és important per al rendiment del negoci.
Les empreses endarrerides també "fan IA", però no allà on tindrà un impacte significatiu en el negoci.
I sí, incorporar la IA a les decisions d'inversió, l'experiència del client, el desenvolupament de productes, la recerca i el disseny o les automatitzacions sense intervenció humana semblarà més arriscat, però és aquí on hi ha els grans beneficis.
Potser les empreses que prenen la davantera en aquest àmbit encara no són visibles per al mercat, però quan ho siguin la distància ja serà considerable. A més, la diferència en la velocitat de desplegament de la IA farà que continuï augmentant mentre les empreses endarrerides descobreixen en què s'havien equivocat tot aquest temps.
Per tant, la pregunta és: què necessita una organització per aplicar amb confiança la IA als processos que realment importen?
Primer, suposem que ja heu passat de "Tenim una eina d'IA com ChatGPT" a "Tenim proves de concepte" i, després, a "Tenim deu solucions senzilles d'IA en funcionament". Si encara no hi heu arribat, ho heu de prioritzar. Aquests primers passos poden semblar trivials, però són essencials per començar a millorar els coneixements d'IA de l'empresa, generar millors casos d'ús i aclarir els passos interns necessaris per posar qualsevol IA en producció.
En aquest punt, l'organització hauria de ser més ambiciosa i avançar cap a "solucions d'IA aplicada rellevants amb supervisió humana" i, després, cap a l'element diferenciador: "apliquem la IA als processos essencials i a les experiències dels clients".
Aquests darrers passos gairebé mai no estan limitats per la tecnologia, sinó per la confiança de l'organització. Perquè sempre hi ha algun motiu per ajornar o evitar les qüestions difícils:
"I si ofereix conclusions equivocades?", "I si es comporta malament i acabem sortint a les notícies?", "I si calcula malament i prenem una decisió equivocada?", "I si maltracta els clients?", "I si el model deixa d'estar disponible?", "Com mantindrem les actualitzacions?", "I si canvia la normativa?", "Hauríem d'esperar el nou model?", etc.
Al nostre parer, hi ha quatre condicions que solen aportar la confiança necessària per prémer el botó "Posa en producció" davant d'un canvi d'alt impacte basat en IA.
El perquè: l'organització, i especialment l'alta direcció, creu de debò en el relat que explica "per què la IA és important per a l'èxit del nostre negoci"? Si no és així, és més probable que l'organització trobi motius per evitar les decisions difícils.
La capacitació: hi ha un equip de Canvi, Transformació o Capacitació en IA que doni suport a l'organització mentre evoluciona amb aquesta tecnologia? Un equip que gestioni l'adopció, la formació, la normativa i les noves maneres de treballar, qüestioni supòsits, aporti el finançament necessari, etc. La IA no és un canvi que es pugui deixar perquè "Tecnologia ho resolgui", com sovint va passar amb les iniciatives de núvol o digitals. L'ha de liderar el negoci i ha de tenir un bon suport.
El com: hi ha una arquitectura empresarial i de solucions establerta per a la IA aplicada? Tot i que aquest àmbit evoluciona contínuament, disposar d'una visió obliga a reflexionar i ampliar els coneixements sobre les mesures de protecció adequades, els costos, l'observabilitat, els controls, l'accés als models, etc. Això comença a generar credibilitat interna perquè demostra que l'organització "sap què fa" amb la IA i evita que es desenvolupin múltiples enfocaments divergents.
La prova de confiança per a la posada en producció: els responsables d'una solució poden ajornar indefinidament la resposta a "és prou bona per posar-la en producció?". Les proves tradicionals dels equips de control de qualitat no aporten aquesta confiança ni aquest sentit de responsabilitat davant d'un sistema d'IA no determinista. Les avaluacions sí.
Repassem aquests elements en ordre invers, perquè és l'ordre més proper a la presa de decisions sobre la confiança necessària per posar una solució en producció.
Durant dècades, les organitzacions han confiat en l'equip de control de qualitat per decidir si una versió era prou bona. Sobre el paper, les proves les feien els responsables de negoci; en realitat, les feia l'equip de control de qualitat. El resultat era apte o no apte, d'acord amb innombrables regles del tipus si passa això, fes allò. Molta feina, però senzilla.
Això no funciona amb la IA, perquè cal avaluar-ne el comportament.
Les avaluacions, o evals, permeten mesurar el comportament qualitatiu de la IA. En lloc d'un resultat apte o no apte, definiu criteris —com ara la correcció, el to, l'ancoratge factual o el comportament de rebuig— i assigneu-hi puntuacions. Seguiu aquestes puntuacions al llarg del projecte mentre milloreu les instruccions, els models, les mesures de protecció, etc. Així obtindreu una dada sobre la qual l'equip del projecte, els comitès de canvi i la direcció podran actuar amb confiança: una puntuació de correcció que ha passat de x a y durant el projecte.
Aquesta xifra té dues funcions. En primer lloc, genera confiança perquè demostra una millora amb el temps i ofereix als responsables proves tangibles que el sistema es comporta de manera fiable i constant dins de les expectatives establertes.
En segon lloc, estableix responsabilitats. Són les xifres que poden mostrar, juntament amb la traçabilitat d'aquestes avaluacions. Un conjunt d'avaluacions documentat i provat en una gamma ben definida d'escenaris és l'equivalent en IA de l'informe de proves que demostra al comitè d'aprovació que s'ha actuat amb diligència: fa només allò que ha de fer i ho fa només de la manera adequada?
Naturalment, aquestes xifres només són significatives si els criteris d'avaluació són prou complets. Això exigeix un canvi de model operatiu que la majoria de les organitzacions plantegen malament al principi: el "negoci" ha de ser responsable dels criteris d'avaluació, no pas l'equip tecnològic, el de control de qualitat ni un únic usuari júnior en qui s'hagi delegat la tasca. Els responsables de producte i els especialistes coneixen el domini, els casos límit, el to de veu desitjat, els tipus d'interaccions que poden iniciar els usuaris, els passos de raonament coherents, els modes de fallada, les parelles correctes de preguntes i respostes, etc. Les persones que utilitzen i despleguen la solució haurien de decidir què vol dir fer-ho bé.
Això vol dir que, si heu d'aprovar una solució que aplica la IA al nucli de l'experiència del client, només cal fer dues preguntes:
(1) qui ha dissenyat els criteris d'avaluació, i
(2) el rendiment de les avaluacions ha millorat amb el temps segons aquests criteris i ara supera el llindar mínim?
Si la resposta és "l'equip tecnològic els ha creat, però estem satisfets amb els resultats", l'aplicació no està preparada. Si la resposta és "sí, la vam provar la setmana passada i va superar les proves", probablement les avaluacions no tenen la maduresa necessària per inspirar confiança, ja que és poc probable que fossin el punt de partida del desenvolupament.
Però si el responsable de producte del negoci ha definit, revisat i perfeccionat les avaluacions durant tot el desenvolupament i pot mostrar una evolució del rendiment en la direcció correcta, teniu una solució que val la pena aprovar.
Una altra font de confiança és l'alineament amb els principis i estàndards d'arquitectura d'IA. Tot i que per començar convenia crear les primeres cinc aplicacions d'IA de la manera més adient en cada cas, per escalar i desplegar amb rapidesa una IA segura i ben governada arreu de l'organització cal adoptar un enfocament més estructurat, amb arquitectures d'aplicació de referència i una plataforma empresarial d'IA.
Tots els equips d'enginyeria han de poder "heretar" ràpidament l'accés als models, les mesures de protecció, l'observabilitat, l'escalabilitat, la gestió de costos, etc., per poder centrar-se a dissenyar la solució.
Disposar d'aquesta visió sobre la plataforma empresarial d'IA i els enfocaments arquitectònics, encara que caduqui aviat pel ritme accelerat dels canvis, reforça la confiança interna en la capacitat de desplegar IA amb seguretat en sistemes crítics. Això vol dir que algú haurà analitzat tots els factors clau i decidit la via òptima de desplegament, fet que també reforça la confiança que la solució serà adequada per a aquests processos importants.
No es tracta de "fer el mateix, però amb accés a una eina d'IA". Pot semblar un tòpic, però transformar-se implica redissenyar processos, replantejar l'oferta de productes, fer evolucionar l'experiència del client i canviar les maneres de treballar i, molt probablement, l'estructura dels equips.
Això no es pot fer com una tasca secundària ni ho pot impulsar l'equip de Tecnologia (i no, tampoc el vostre equip d'"Innovació" de tres persones a temps complet). I si adopteu l'enfocament de "ja s'anirà resolent", no assolireu el ritme de canvi que poden aconseguir els competidors guanyadors.
A més, per detectar els casos d'ús que realment poden canviar les regles del joc i aconseguir-hi suport, cal un coneixement profund de la IA a tota l'empresa i una actitud positiva envers aquesta tecnologia.
Per tant, la transformació amb IA necessita persones que sàpiguen què requereix l'organització, com facilitar el canvi i com funciona la IA, i que rebin del consell d'administració el mandat de fer-ho possible aportant coordinació, empenta, finançament, influència, governança, priorització i presa de decisions.
Sobretot en les primeres fases, funciona bé un equip central com ara un Centre d'IA, una unitat de Transformació amb IA o una Oficina d'IA. Aquest equip central genera confiança perquè demostra que l'organització té una estratègia per executar, que les grans decisions es poden prendre i distribuir ràpidament i que hi ha controls de qualitat per a la transformació amb IA. Sense aquest equip, l'enfocament pot quedar massa fragmentat i generar incoherències en les decisions, la selecció de productes o solucions i la qualitat, cosa que acaba minant la confiança necessària per implantar IA en àmbits d'alt risc.
Com hem dit abans, les empreses que obtindran un avantatge competitiu real de la IA seran les que desenvolupin l'experiència, els coneixements i la confiança necessaris per desplegar-la sovint i ràpidament al nucli dels processos i les experiències importants que milloren l'experiència dels clients, el rendiment dels productes, el ritme de producció, etc.
Calen bones pràctiques d'avaluació, una arquitectura que s'adapti ràpidament i sigui escalable, i una gestió de la transformació amb actitud resolutiva que ajudi l'organització a aprendre, adaptar-se i establir noves maneres de treballar.
Tanmateix, res d'això no prosperarà si s'impulsa "de baix a dalt". Els canvis i les implicacions són massa ràpids i transcendents. Tampoc no n'hi ha prou amb "l'aprovació del consell" o "el suport de la direcció".
Si els empleats no entenen clarament per què cal canviar, què significa per a ells personalment —per bé o per mal— i què hi guanyen, la transformació arribarà per la porta del darrere i causarà molts danys col·laterals.
Per tant, el quart element per obtenir un avantatge real de l'adopció de la IA és que la direcció entengui i cregui sincerament que invertir-hi és essencial per a l'èxit futur de l'empresa. És l'estratègia d'IA de la direcció, incorporada a la missió i als objectius, que promouen reiteradament i que es tradueix visiblement en decisions avalades per accions.
Això ofereix als equips de tota l'organització els incentius, el suport i la urgència necessaris per formar-se i prendre decisions importants, tot i ser una mica incòmodes, que els permetin triar el camí més difícil però més profitós. Dona la confiança necessària per prémer "Posa en producció" en aquella experiència de client o aquell procés de decisió d'inversió basats en IA.
Les empreses que trauran més profit de la IA durant els pròxims dos anys no seran les que en facin més desplegaments. Seran les que hagin fet funcionar la IA en sistemes i processos importants, de cara al client, influents en les decisions i essencials per al negoci, i que hagin desenvolupat la capacitat empresarial per fer-ho de manera constant i segura.
Què heu de fer? Si la vostra organització "fa IA" però això no repercuteix en l'èxit de l'empresa, proveu de respondre aquestes preguntes:
És clar el paper de la IA en l'assoliment de la missió de l'empresa? Creieu que la direcció considera realment que adoptar la IA és essencial per a l'èxit futur de l'empresa?
Hi ha una funció central que impulsi l'agenda d'IA, formi tota l'empresa i coordini les activitats?
L'equip tecnològic està desenvolupant els coneixements, la capacitat i els patrons necessaris per facilitar una enginyeria d'IA més ràpida i segura?
Les versions arriben a producció sense bloquejos causats per preguntes sense resposta sobre el comportament de la IA?
Si alguna resposta és negativa, ja sabeu per on començar a reforçar la confiança de l'organització per desplegar IA amb rapidesa i coherència, i obtenir un avantatge competitiu allà on realment importa.